排序方式: 共有12条查询结果,搜索用时 41 毫秒
1.
基于可调子块迭代的加速SAGE算法在PET图像重建中的应用 总被引:1,自引:0,他引:1
提出了一种可调子块迭代(RBI)方法加速空间交替广义期望最大(SAGE)算法的收敛性.新的可调子块迭代的空间交替广义期望最大算法(RBI-SAGE)组合了RBI算法和SAGE算法的优点用于加速正电子发射断层(PET)图像重建.RBI-SAGE将投影数据分成不连续的子块,每一次迭代仅包含一个这样的子块.在每一个子块中用SAGE算法序列更新参数.实验中,运用RBI-SAGE算法与SAGE算法对PET图像进行重建.结果表明,RBI-SAGE收敛性能比SAGE算法优越,且重建图像质量较高. 相似文献
2.
3.
针对扭曲的影像加强器(X-ray image intensifier,XRII)图像对后继工作产生不利影响的问题,提出使用Delaunay三角网插值对扭曲的XRII图像进行校正.首先分析了XRII图像扭曲的原因、经典的校正方法和Delaunay三角网插值;然后,使用程序流程图对算法过程进行了解释.最后,通过实验来证明所提算法的有效性和可行性.实验结果表明:在中心对齐时,使用Delaunay三角插值方法校正后的XRII图像网格线交叉点坐标值与理想校正靶网格线交叉点坐标值的残留误差和标准误差分别为5.760 4×10-14和5.354 2×10-14,使用经典的全局四次多项式、模型L1和模型L2校正之后残留误差和标准误差分别为1.790 3,2.388 8,2.338 8和1.262 0,1.268 1,1.202 6;在中心不对齐时,使用Delaunay三角插值方法校正后的XRII图像网格线交叉点坐标值与理想校正靶网格线交叉点坐标值的残留误差和标准误差分别为2.489×10-13和2.449 8×10-13,使用经典的全局四次多项式、模型L1和模型L2校正后残留误差和标准误差分别为1.770 3,2.388 8,2.338 8和1.269 9,1.268 1,1.202 6. 相似文献
4.
提出了一种通过求解L1范数最小化问题来重建四元数信号的算法,并且同时考虑了有噪声和没有噪声2种应用场景.该算法首先将四元数域的L1范数最小化问题转化为实数域的二次锥规划问题,然后通过工具包如SeDuMi来解决这个二次锥规划问题.为了验证所提出算法的正确性和有效性,进行了相关的数值试验.试验结果表明:在没有噪声的情况下,在某些实际可接受的条件下原始信号的精确重建是可以实现的;在有噪声的情况下,所提出的算法对于测量中的加性噪声具有鲁棒性.该算法可以被应用于四元数域基于压缩感知理论的信号重建中. 相似文献
5.
6.
7.
8.
为了寻找利用小波散射网络进行彩色图像处理的最佳彩色空间,用小波散射网络对KTH_TIPS_COL彩色图像数据库进行了图像纹理分类研究.采用将彩色图像从RGB彩色空间转换到其他各种彩色空间的方法,研究了彩色空间的选择对于小波散射网络用于彩色图像纹理分类的影响.实验结果表明:在不同的彩色空间对彩色图像纹理进行分类,分类成功率往往差别较大;在基于竞争机制的红绿蓝彩色空间中进行小波散射变换比其他彩色空间具有更好的分类性能.考虑到彩色空间可以互相转换,对于彩色纹理图像的分类,推荐将彩色空间转化到基于竞争机制的红绿蓝彩色空间后再输入小波散射网络. 相似文献
9.
提出了一种利用修改的有序子集(MOS)方法改进空间交替广义期望最大(SAGE)算法收敛性的方法.新的可变有序子集算法(MOS-SAGE)通过修改投影数据的数目和子集的排列循序加速收敛速度.其中每一个子集中的投影数目按2,4,8,16,32,64来排列以便重建算法首先恢复高频部分信息,然后重建低频部分信息.另外新算法还使相邻子集尽可能分离以减少投影间的相关性,达到加速收敛的效果.实验中,运用MOS-SAGE算法对计算机仿真的PET投影数据和实际的临床数据进行重建.几种误差分析结果表明,MOS-SAGE算法的收敛性能比SAGE算法和有序子集期望最大算法(OSEM)要快,重建后的图像更接近仿真用的模板图像. 相似文献
10.
提出了一种基于四元数域总变差方法的彩色图像压缩感知重建算法,该算法可有效提高彩色图像的重建能力.首先,将彩色图像从RGB空间转换到CMYK空间,并将CMYK空间的各个分量赋值给一个四元数矩阵.同时通过四元数的欧拉形式,将四元数矩阵转换为幅度和相位的信息.然后,为了完善重建的结果,将四元数矩阵的幅度和相位作为压缩感知优化方程新的平滑约束项.最后,用基于梯度的迭代算法来求解压缩感知优化方程.实验结果表明,所提出的算法考虑了幅度和相位的信息,比现有的将彩色图像的3个分量当作独立分量的算法效果好. 相似文献